哎呀，咱就是说给AI赋予记忆功Neng，这事儿挺有意思的。就像给一个老朋友记下你的喜好一样，下次见面就Neng聊得geng投机。你懂的？

说实话，这问题挺敏感的。咱也不敢细说具体原因，不过主要是因为内容质量、重复率、以及一些技术上的考量。咱就是说百度肯定要保证搜索结果的质量嘛。

咱们的目标hen简单：让Agent记住重要的信息，而且Neng跨不同的对话记得住。这可不是一件容易的事儿，需要好好设计。

class MemoryManager: """ 记忆管理器 管理 .claude/memory/ 目录下的记忆文件 """ def __init__: self.memory_dir = Path self._ensure_memory_dir def load -> str | None: """加载指定类型的记忆""" path = self._get_memory_path if not path.exists: return None content = path.read_text _, body = self._parse_frontmatter return body.strip def append -> bool: """追加内容到现有记忆""" path = self._get_memory_path existing = path.read_text metadata, body = self._parse_frontmatter # 追加新内容 if body.strip: # Ru果原有内容不为空的话... 咱就是说... 怕覆盖掉之前的记录呢！😉 updated_body = f"{body.rstrip} {new_lines}" # 先把原来的换行一下再加新的内容！ else: # Ru果没有原有内容的话... 咱就直接写新的内容了 updated_body = new_lines # 简单粗暴一点！ return self.save, # 获取名字或者用类型代替！ metadata.get, updated_body) # 保存修改后的文件

def _parse_frontmatter -> tuple: # 解析 frontmatter pattern = r'^--- --- $' match = re.match if match: # Ru果匹配到 frontmatter 的格式的话... frontmatter_text = match.group # 获取 frontmatter 的文本 body = match.group # 获取实际的内容 metadata = {} # 创建一个字典来存储 metadata for line in frontmatter_text.split: # 逐行解析 frontmatter 的每一行 if ':' in line: key, value = line.split metadata = value.strip.strip # 去除前后空格和引号 return metadata, body # 返回 metadata 和 body return {}, content # Ru果没有匹配到 frontmatter 的格式的话...

# append_memory 工具registry.register)

@staticmethoddef append_memory -> ToolResult: """追加内容到现有记忆""" memory_type = params.get new_lines = params.get if not new_lines: return ToolResult mm = MemoryManager success = mm.append if success: return ToolResult return ToolResult

class ContextManager: def init: self.memory = MemoryManager self.base_system_prompt = """你是一个智Neng AI Agent... 重要规则： - Ru果用户提供了重要的角色、偏好或反馈，使用 append_memory 工具追加到记忆中 """ def get_system_prompt -> str: """获取系统提示""" memories = self.memory.load_all memory_section = format_memories_for_system_prompt if memory_section: return f"{self.base_system_prompt} {memory_section}" return self.base_system_prompt

def format­memories­for­system­prompt -> str: """将记忆格式化为系统提示的一部分""" if not memories: return "" sections = for mem in memories: section = f"### {mem.capitalize} 记忆 " if mem: section += f"{mem} " section += mem sections.append return " ".join

现象

Ru果对你有帮助，欢迎点赞、评论、转发。

关注我，持续geng新 AI Agent 从零到一系列文章。

用户：我是后端开发者，擅长 Go 语言Agent：Yi将您的职业信息记录到记忆中。用户：我希望你用中文回复Agent：Yi记录您的语言偏好。用户：再加一条，我喜欢用 TmuxAgent：Yi记录。

Zui终记忆文件

name : user描述 : 用户角色描述metadata : type : user---# 用户角色 - 职业 ：后端开发者 - 技Neng ：Go 语言 - 语言偏好 ：中文 - 工具偏好 ：Tmux

重启后验证

用户：你知道我是Zuo什么的吗？Agent：根据我的记忆，您是一位后端开发者，擅长 Go 语言。 您偏好使用中文交流，并且喜欢用 Tmux 作为终端工具。

┌─────────────────────────────────────────────────────────┐│ Agent ││ ││ ┌─────────────┐ ┌─────────────┐ ┌─────────────────┐ ││ │LLMClient │ │ToolRegistry │ │ContextManager │ ││ └─────────────┘ └──────┬──────┘ └────────┬────────┘ ││ │ │ ││ ▼ │ ││ ┌─────────────┐ │ ││ │ToolHandlers │ │ ││ │+ memory tools │ │ │├───────────────────────────────────┤ │└─────────────────────────────────────────────────────────┘

下一个里程碑我们将实现 **Plan Mode** ，让 Agent 在执行复杂任务前先制定计划。

AI记忆的方法主要包括:

通过机器学习:

机器学习是一种计算机科学技术,它Ke以让AI从大量数据中学习,从而记住答案。AIKe以从大......